CN115425671B - 一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法 - Google Patents

一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法 Download PDF

Info

Publication number
CN115425671B
CN115425671B CN202211366576.0A CN202211366576A CN115425671B CN 115425671 B CN115425671 B CN 115425671B CN 202211366576 A CN202211366576 A CN 202211366576A CN 115425671 B CN115425671 B CN 115425671B
Authority
CN
China
Prior art keywords
pumped storage
wind
storage unit
pumped
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211366576.0A
Other languages
English (en)
Other versions
CN115425671A (zh
Inventor
杨威嘉
王冉
李旭东
张姝姝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202211366576.0A priority Critical patent/CN115425671B/zh
Publication of CN115425671A publication Critical patent/CN115425671A/zh
Application granted granted Critical
Publication of CN115425671B publication Critical patent/CN115425671B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Wind Motors (AREA)

Abstract

本发明属于多能互补技术领域，公开了一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法，包括建立抽水蓄能机组调节强度的评价指标体系，获得各指标对应的权重信息，构建抽水蓄能机组调节强度的量化评估模型；以新能源消纳率的偏差值最小为目标建立目标函数，建立风‑光‑抽水蓄能联合系统的日前优化调度模型；设定新能源消纳率的目标值，获取风‑光‑抽水蓄能联合系统的参数信息；将新能源消纳率的目标值和参数信息输入至日前优化调度模型得到优化运行结果信息；将优化运行结果信息输入至量化评估模型得到抽水蓄能机组调节强度的量化评估信息。本发明能够对风光蓄联合系统中抽水蓄能机组调节强度进行评估，为多能互补系统运行管理提供参考。

Description

一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法
技术领域
本发明属于多能互补技术领域，更具体地，涉及一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法。
背景技术
全球可再生能源年新增装机容量在2021年增长6%，达到近295GW，其中风电和光伏等间歇性可再生能源则是增长主体，但由于其资源本身的强间歇性和强随机性，新能源的规模化发展和电网高效消纳利用之间的矛盾日益突出。作为规模最大的储能方式，抽水蓄能凭借其调节快速等优势成为解决高比例新能源消纳问题的主要举措，有关抽蓄和新能源联合运行系统的研究也变得更加普遍，例如风-抽蓄，光伏-抽蓄和风-光-抽蓄等。与传统抽水蓄能电站运行相比，抽蓄机组在风-光-抽水蓄能互补系统中为保障电力供需平衡和电网运行的可靠性，需进行更加灵活的调度控制，其运行模式逐渐转变为更频繁的“两发两抽”甚至“三发两抽”的模式，这在大幅度缓解电力系统供需矛盾的同时，也导致了更复杂的机组工作模式、更频繁的机组启停和工况转换、更高强度的机组振动，这不仅会损伤机组，降低水资源利用和发电效率，也影响机组发电的调节特性，抽水蓄能机组的设备可靠性面临着巨大的挑战。
随着研究的深入和风电光伏的大规模发展，为提高电力系统灵活性，一系列与抽水蓄能电站及机组相关的研究难点日益凸显，更强的调节能力、更快的响应速度和更高的灵活性将是抽水蓄能技术发展的趋势。部分学者开始重点关注：（1）抽蓄和多能互补系统的可靠性问题；（2）抽水蓄能的机组尺寸设计和机组组合问题；（3）水电灵活性提升等问题。然而，针对新能源消纳率及抽水蓄能机组不同调控参与度对抽水蓄能机组运行强度的研究，目前还是一个空白。
发明内容
本发明的目的在于提供一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法，以探究在设定新能源消纳率下抽蓄机组运行调节强度，此外还可以分析高灵活性需求对抽水蓄能机组调节强度的影响机制，为抽水蓄能和新能源基地的资源开发以及风-光-抽水蓄能互补系统的运行管理提供参考。
本发明提供一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法，包括以下步骤：
建立抽水蓄能机组调节强度的评价指标体系，获得各指标对应的权重信息；基于所述评价指标体系和所述权重信息，构建抽水蓄能机组调节强度的量化评估模型；
以新能源消纳率的偏差值最小为目标建立目标函数，基于所述目标函数建立风-光-抽水蓄能联合系统的日前优化调度模型；
设定新能源消纳率的目标值，获取风-光-抽水蓄能联合系统的参数信息；
将所述新能源消纳率的目标值和所述参数信息输入至所述风-光-抽水蓄能联合系统的日前优化调度模型，在约束条件下得到优化运行结果信息；
将所述优化运行结果信息输入至所述抽水蓄能机组调节强度的量化评估模型，得到抽水蓄能机组调节强度的量化评估信息。
优选的，所述评价指标体系包括以下指标：机组启停次数、机组发电运行小时数、机组综合利用小时数、机组调节里程和机组振动区运行时长。
优选的，所述机组综合利用小时数的计算方式如下：
Figure DEST_PATH_IMAGE001
式中，
Figure DEST_PATH_IMAGE002
为机组综合利用小时数，
Figure DEST_PATH_IMAGE003
和
Figure DEST_PATH_IMAGE004
分别为抽水蓄能电站在i时刻 的发电功率和抽水功率，
Figure DEST_PATH_IMAGE005
为机组的额定装机功率，T表示一天24小时；
所述机组调节里程的计算方式如下：
Figure DEST_PATH_IMAGE006
式中，
Figure DEST_PATH_IMAGE007
为机组调节里程，
Figure DEST_PATH_IMAGE008
为机组在i+1时刻的发电功率；
所述机组振动区运行时长中的振动区的定义如下：
Figure DEST_PATH_IMAGE009
式中，
Figure DEST_PATH_IMAGE010
和
Figure DEST_PATH_IMAGE011
分别为机组振动运行区下限值和上限值占额定出力的百分 比。
优选的，采用层次分析法获得AHP指标权重值，采用熵权法获得熵权指标权重值，将所述AHP指标权重值和所述熵权指标权重值进行非线性加权，得到各指标对应的综合权重值，所述综合权重值作为所述权重信息。
优选的，所述新能源消纳率的偏差值
Figure DEST_PATH_IMAGE012
表示为：
Figure DEST_PATH_IMAGE013
式中，
Figure DEST_PATH_IMAGE014
表示新能源消纳率的实际优化值，
Figure DEST_PATH_IMAGE015
表示新能源消纳率的目标值；
Figure DEST_PATH_IMAGE016
式中，
Figure DEST_PATH_IMAGE017
、
Figure DEST_PATH_IMAGE018
、
Figure DEST_PATH_IMAGE019
分别表示风、光、抽水蓄能电站在i时段的发电功率，
Figure DEST_PATH_IMAGE020
表示风光电场在i时段的原始出力，T表示一天24小时。
优选的，所述约束条件包括：系统约束条件、风电约束条件、光伏约束条件和抽水蓄能电站约束条件；所述系统约束条件包括系统有功功率平衡约束和旋转备用约束；所述抽水蓄能电站约束条件包括抽水蓄能电站出力约束和水库库容约束；
所述抽水蓄能电站出力约束表示为：
Figure DEST_PATH_IMAGE021
Figure DEST_PATH_IMAGE022
Figure DEST_PATH_IMAGE023
式中，
Figure DEST_PATH_IMAGE024
为抽水蓄能电站在i时段的出力，
Figure DEST_PATH_IMAGE025
和
Figure DEST_PATH_IMAGE026
分别为抽水蓄能电 站在i时段的出力下限和出力上限；
Figure DEST_PATH_IMAGE027
、
Figure DEST_PATH_IMAGE028
分别表示风、光电场在i时段的出力；
Figure DEST_PATH_IMAGE029
、
Figure DEST_PATH_IMAGE030
分别为i时段上、下水库的储能值；
Figure DEST_PATH_IMAGE031
、
Figure DEST_PATH_IMAGE032
分别为抽水蓄能电站抽水功率、 发电功率的上限；
Figure DEST_PATH_IMAGE033
、
Figure DEST_PATH_IMAGE034
分别为抽水蓄能电站的发电效率、抽水效率，t为时段长；
所述水库库容约束包括上下水库的库容约束和水库储能随时间的变化约束；
所述上下水库的库容约束表示为：
Figure DEST_PATH_IMAGE035
式中，
Figure DEST_PATH_IMAGE036
、
Figure DEST_PATH_IMAGE037
分别为上、下水库的储能上限；
Figure DEST_PATH_IMAGE038
、
Figure DEST_PATH_IMAGE039
分别为上、下水库 的储能下限；
所述水库储能随时间的变化约束表示为：
Figure DEST_PATH_IMAGE040
式中，
Figure DEST_PATH_IMAGE041
、
Figure DEST_PATH_IMAGE042
分别为i+1时段上、下水库的储能值，
Figure DEST_PATH_IMAGE043
为抽水蓄能电站在i 时段的抽水功率，
Figure DEST_PATH_IMAGE044
为抽水蓄能电站在i时段的发电功率。
优选的，所述风-光-抽水蓄能联合系统的日前优化调度模型采用混沌粒子群算法进行运算求解。
优选的，设定的所述新能源消纳率的目标值位于在
Figure DEST_PATH_IMAGE045
区间内；
Figure DEST_PATH_IMAGE046
为在没有配置抽水蓄能电站时，按照最大程度满足电网负荷的需求的原则，风光打捆上网 的初始最佳消纳率；
Figure DEST_PATH_IMAGE047
为以新能源消纳率的实际优化值
Figure DEST_PATH_IMAGE048
最大化计算得到目标函数， 并利用所述风-光-抽水蓄能联合系统的日前优化调度模型实现系统的最优运行，得到的系 统在设定情形下能够达到的最大消纳率。
优选的，通过在
Figure DEST_PATH_IMAGE049
区间内选取多个采样点，获得在不同的新能源消 纳率的目标值下对应的抽水蓄能机组调节强度的量化评估信息。
优选的，所述风光蓄联合系统中抽水蓄能机组调节强度的评估方法还包括：对在不同的新能源消纳率的目标值下获得的抽水蓄能机组调节强度的量化评估信息进行二次拟合，得到抽水蓄能机组调节强度的变化趋势信息。
本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本发明提供的风光蓄联合系统中抽水蓄能机组调节强度的评估方法包括构建抽水蓄能机组调节强度的量化评估模型和风-光-抽水蓄能联合系统的日前优化调度模型，将新能源消纳率的目标值和风-光-抽水蓄能联合系统的参数信息输入至日前优化调度模型中得到优化运行结果信息，将优化运行结果信息输入至量化评估模型得到抽水蓄能机组调节强度的量化评估信息。本发明弥补了新能源消纳率及抽水蓄能机组不同调控参与度对抽水蓄能机组运行强度的研究空白，能够对风光蓄联合系统中抽水蓄能机组调节强度进行评估，为多能互补系统运行管理提供参考。其中，本发明在构建量化评估模型时考虑源网协调和抽水蓄能机组的运行特性，构建了抽水蓄能机组调节强度的评价指标体系，并获得各指标对应的权重信息。本发明提供的评估方法重点考虑了新能源消纳需求，提出的调节强度评价指标体系涉及电源侧和电网侧，还可以对在不同的新能源消纳率的目标值下获得的抽水蓄能机组调节强度的量化评估信息进行二次拟合，得到抽水蓄能机组调节强度的变化趋势信息，以探究不同新能源消纳率下的抽蓄机组运行调节强度，分析高灵活性需求对抽水蓄能机组调节强度的影响机制，为抽水蓄能和新能源基地的资源开发以及风-光-抽水蓄能互补系统的运行管理提供参考。
附图说明
图1为本发明提供的一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法的原理流程图；
图2为本发明提供的一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法中的评价指标体系；
图3为本发明提供的一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法中指标权重的确定方法；
图4为本发明实施例1提供的一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法中风光出力和负荷用电情况；其中，图4中的(a)为小时级风电出力，图4中的(b)为小时级光伏出力，图4中的(c)为小时级风光打捆出力，图4中的(d)为小时级电网负荷；
图5为本发明实施例1提供的一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法的多天调节强度指标物理量结果；其中，图5中的(a)为消纳率-启停次数关系图，图5中的(b)为消纳率-发电运行小时数关系图，图5中的(c)为消纳率-机组调节里程关系图，图5中的(d)为消纳率-机组总综合利用小时数关系图，图5中的(e)为消纳率-振动区运行时长关系图；
图6为本发明实施例1提供的一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法对应的消纳率-经济效益关系图；
图7为本发明实施例1提供的一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法的多天调节强度量化评估结果；
图8为本发明实施例2提供的一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法的多天调节强度指标物理量结果；其中，图8中的(a)为消纳率-启停次数关系图，图8中的(b)为消纳率-发电运行小时数关系图，图8中的(c)为消纳率-机组总综合利用小时数关系图，图8中的(d)为消纳率-机组调节里程关系图，图8中的(e)为消纳率-振动区运行时长关系图；
图9为本发明实施例2提供的一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法对应的消纳率-经济效益关系图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
本发明提供一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法，参见图1，包括以下步骤：
步骤（1）：建立抽水蓄能机组调节强度的量化评估模型。
Step 1.1：构建抽水蓄能机组调节强度的评价指标体系。
参见图2，基于目的性、规范性、全面性、简明性、可比性的指标选取原则，考虑源网协调和抽水蓄能机组的运行特性，主要确定以下5个指标：
（1）机组启停次数。
不考虑电站的机组组合和启停策略，以抽水蓄能电站为一个机组单元，根据机组出力情况，计算启停机次数N，认定机组发生一次启停的条件如下：
Figure DEST_PATH_IMAGE050
式中，
Figure DEST_PATH_IMAGE051
为i时刻抽水蓄能电站的出力，
Figure DEST_PATH_IMAGE052
和
Figure DEST_PATH_IMAGE053
分别表示机组处于 发电和抽水状态。
（2）机组发电运行小时数。
根据抽水蓄能机组发电情况，计算发电运行小时数
Figure DEST_PATH_IMAGE054
，认为机组处于发电运行 状态的条件如下：
Figure DEST_PATH_IMAGE055
（3）机组综合利用小时数。
机组的综合利用小时数为发电和抽水利用小时之和，计算方法如下：
Figure DEST_PATH_IMAGE056
式中，
Figure DEST_PATH_IMAGE057
为抽水蓄能电站机组综合利用小时数；
Figure DEST_PATH_IMAGE058
和
Figure DEST_PATH_IMAGE059
分别为抽水蓄能电 站（即抽水蓄能机组）在i时刻的发电功率和抽水功率；T表示一天24h；
Figure DEST_PATH_IMAGE060
为抽水蓄能机组 的额定装机功率。
（4）机组调节里程。
引入调节里程
Figure DEST_PATH_IMAGE061
来量化机组为遵循调度指令所体现的工作量，具体计算方法 如下：
Figure DEST_PATH_IMAGE062
式中，
Figure DEST_PATH_IMAGE063
为机组调节里程，
Figure DEST_PATH_IMAGE064
为机组在i+1时刻的发电功率。
（5）机组振动区运行时长。
采用一维线性的简单振动区划分，所述机组振动区运行时长中的振动区的定义如下：
Figure DEST_PATH_IMAGE065
式中，
Figure DEST_PATH_IMAGE066
和
Figure 807980DEST_PATH_IMAGE011
分别为机组振动运行区下限值和上限值占额定出力的百分 比。
Step1.2：确定指标权重量化方法。
参见图3，本发明采用主客观相结合的指标权重确定方法，对采用层次分析法获得的AHP指标权重值和采用熵权法获得的熵权指标权重值进行非线性加权，得到各指标对应的综合权重值，所述综合权重值作为所述权重信息。
Step1.2.1：基于相关系数筛选法的AHP分析法。
AHP分析法具体包括以下四个步骤：
（1）构造专家判断矩阵。邀请专家主观评价各指标之间的重要性关系，根据1～9比较标度建立判断矩阵。
（2）计算权重矩阵。计算各专家判断矩阵的最大特征值
Figure DEST_PATH_IMAGE067
及对应的特征向量
Figure DEST_PATH_IMAGE068
，利用下式计算一致性比例CR，判断各专家主观意见是否具有一致性，若CR<0.1则一致 性检验通过，各专家矩阵的特征向量即为相应的指标权重向量，组成权重矩阵
Figure DEST_PATH_IMAGE069
，如下式 所示：
Figure DEST_PATH_IMAGE070
Figure DEST_PATH_IMAGE071
Figure DEST_PATH_IMAGE072
式中，CI为一致性指标；n为
Figure DEST_PATH_IMAGE073
的阶数，并对应指标个数；RI与n有关，如表1所示；m为 专家人数，
Figure DEST_PATH_IMAGE074
为专家
Figure DEST_PATH_IMAGE075
的权重向量。
表1 判断矩阵的随机一致性指标参考值
Figure DEST_PATH_IMAGE076
（3）筛选专家矩阵。按照下式所述的相关系数法，计算各专家权重的相关系数
Figure DEST_PATH_IMAGE077
及相关系数矩阵D，判断并保留意见一致性高的专家意见，确定最终的权重矩阵。
Figure DEST_PATH_IMAGE078
Figure DEST_PATH_IMAGE079
式中，
Figure DEST_PATH_IMAGE080
。
根据淘汰比例表（即表2），按比例将偏离程度较大的专家剔除，得到修正后的权重矩阵。
Figure DEST_PATH_IMAGE081
式中，
Figure DEST_PATH_IMAGE082
为专家
Figure 977317DEST_PATH_IMAGE075
与其他专家权重意见的一致程度，值越大表示判断越一致，应予 以保留。
表2 淘汰比例表
Figure DEST_PATH_IMAGE083
（4）计算指标权重。对筛选后的权重矩阵列项向量进行求取平均值和进行归一化 处理即可得到对应权重
Figure DEST_PATH_IMAGE084
，其中
Figure DEST_PATH_IMAGE085
。
Step 1.2.2：熵权法。
熵权法具体包括以下5个步骤：
（1）构建评价指标特征值矩阵。对于待评估的各个调节强度评价指标，基于联合系统的优化调度结果，计算出指标物理量组成特征值矩阵：
Figure DEST_PATH_IMAGE086
式中，
Figure DEST_PATH_IMAGE087
为评价对象数量；n为评价指标数量；
Figure DEST_PATH_IMAGE088
为与第i个评估对象相对应的第
Figure DEST_PATH_IMAGE089
个指标的特征值。
（2）矩阵标准化。由于各指标量纲之间的差异，需要对正向、负向指标分别进行一 致标准化处理，得到标准化矩阵
Figure DEST_PATH_IMAGE090
。
对于正向指标：
Figure DEST_PATH_IMAGE091
对于负向指标：
Figure DEST_PATH_IMAGE092
式中，A为随意选取的一个较小参数，防止计算结果为0。
（3）矩阵归一化。计算每个评估对象的各项指标的特征值比重，得到归一化矩阵
Figure DEST_PATH_IMAGE093
。
Figure DEST_PATH_IMAGE094
（4）计算指标熵值及相对重要性。基于归一化矩阵对第
Figure DEST_PATH_IMAGE095
项调节强度指标熵值
Figure DEST_PATH_IMAGE096
及相对重要性
Figure DEST_PATH_IMAGE097
进行计算。
Figure DEST_PATH_IMAGE098
Figure DEST_PATH_IMAGE099
（5）计算调节强度指标熵权。计算第
Figure 102529DEST_PATH_IMAGE095
项调节强度指标对应的熵权值
Figure DEST_PATH_IMAGE100
。
Figure DEST_PATH_IMAGE101
Step 1.2.3：非线性加权综合评估。
本发明采用非线性加权综合评估法，结合AHP法和熵权法的权重计算结果，计算综合权值，具体计算方法如下：
Figure DEST_PATH_IMAGE102
式中，
Figure DEST_PATH_IMAGE103
为指标
Figure 606060DEST_PATH_IMAGE089
的组合权重值，
Figure DEST_PATH_IMAGE104
为AHP指标权值值，
Figure DEST_PATH_IMAGE105
为熵权指标权重值。
步骤（2）：建立风-光-抽水蓄能联合系统的日前优化调度模型。
Step 2.1：确定目标函数。
本发明直接从新能源消纳率的角度构建目标函数，建立起风光-抽水蓄能联合系统的日前优化调度模型，计算在不同目标消纳率的情况下联合系统的优化运行结果。
所述新能源消纳率的偏差值
Figure DEST_PATH_IMAGE106
表示为：
Figure DEST_PATH_IMAGE107
式中，
Figure DEST_PATH_IMAGE108
表示新能源消纳率的实际优化值，
Figure DEST_PATH_IMAGE109
表示新能源消纳率的目标值；
Figure DEST_PATH_IMAGE110
Figure DEST_PATH_IMAGE111
式中，
Figure DEST_PATH_IMAGE112
、
Figure DEST_PATH_IMAGE113
、
Figure DEST_PATH_IMAGE114
分别为风、光、抽水蓄能电站在i时段的发电功率（即直接上 网功率）；
Figure DEST_PATH_IMAGE115
为抽水蓄能电站i时段的出力；
Figure DEST_PATH_IMAGE116
为水泵i时段的抽水功率；
Figure DEST_PATH_IMAGE117
为风光电场 在i时段的原始出力；T表示一天24小时。
Step2.2：确定约束条件。
Step2.2.1：设置系统约束条件。
（1）系统有功功率平衡约束。
Figure DEST_PATH_IMAGE118
式中，
Figure DEST_PATH_IMAGE119
为i时段按计划调度的负荷值。
（2）旋转备用约束。
Figure DEST_PATH_IMAGE120
式中，
Figure DEST_PATH_IMAGE121
、
Figure DEST_PATH_IMAGE122
分别表示i时段风、光电场出力；
Figure DEST_PATH_IMAGE123
、
Figure DEST_PATH_IMAGE124
分别为抽水蓄能 电站i时段的出力上下限；
Figure DEST_PATH_IMAGE125
、
Figure DEST_PATH_IMAGE126
分别为系统在i时段的正、负旋转备用要求，这里可取为 总负荷的5%。
Step 2.2.2：设置风电、光伏约束条件。
考虑风光发电以及上网过程中的出力受到电场实际发电或预测出力的约束。
Figure DEST_PATH_IMAGE127
Figure DEST_PATH_IMAGE128
Figure DEST_PATH_IMAGE129
式中，
Figure DEST_PATH_IMAGE130
和
Figure DEST_PATH_IMAGE131
分别为风电和光伏弃电量。
Step2.2.3：设置抽水蓄能电站约束条件。
抽水蓄能电站运行调节受到电站各机组出力以及水库储能等因素和条件的限制。
（1）抽水蓄能电站出力约束
Figure DEST_PATH_IMAGE132
Figure DEST_PATH_IMAGE133
Figure DEST_PATH_IMAGE134
式中，
Figure DEST_PATH_IMAGE135
、
Figure DEST_PATH_IMAGE136
分别为i时段上、下水库的储能值；
Figure DEST_PATH_IMAGE137
、
Figure DEST_PATH_IMAGE138
分别为抽水蓄 能电站（即机组）抽水功率、发电功率的上限；
Figure DEST_PATH_IMAGE139
、
Figure DEST_PATH_IMAGE140
分别为抽水蓄能电站的发电效率和 抽水效率，t为时段长，可取1h。
（2）水库库容约束。
（2.1）上下水库的库容约束：
Figure DEST_PATH_IMAGE141
式中，
Figure DEST_PATH_IMAGE142
、
Figure DEST_PATH_IMAGE143
分别为上下水库的储能上限；
Figure DEST_PATH_IMAGE144
、
Figure DEST_PATH_IMAGE145
分别为上下水库的 储能下限，这里均以能量的形式给出。
（2.2）水库储能随时间的变化约束：
Figure DEST_PATH_IMAGE146
式中，
Figure DEST_PATH_IMAGE147
、
Figure DEST_PATH_IMAGE148
分别为i+1时段上、下水库的储能值，
Figure DEST_PATH_IMAGE149
为抽水蓄能电站在i 时段的抽水功率，
Figure DEST_PATH_IMAGE150
为抽水蓄能电站在i时段的发电功率。
Step 2.3：确定优化算法模型。
本发明使用混沌粒子群算法（CPSO）算法，结合粒子群算法和混沌算法的优点，利用混沌原理生成初始种群，以改善PSO算法的寻优和收敛效果。该算法模型包括以下步骤：
Step2.3.1：采用混沌理论初始化种群。
采用下式所示的单峰映射原理生成混沌序列，生成初始种群。
Figure DEST_PATH_IMAGE151
Figure DEST_PATH_IMAGE152
式中，
Figure DEST_PATH_IMAGE153
表示t时刻生成的混沌序列，
Figure DEST_PATH_IMAGE154
表示t+1时刻生成的混沌序列；λ为控 制参数，当
Figure DEST_PATH_IMAGE155
时为完全混沌状态；
Figure DEST_PATH_IMAGE156
表示生成的初始种群，
Figure DEST_PATH_IMAGE157
、
Figure DEST_PATH_IMAGE158
分别表示决策变量取值的最大值、最小值。
Step 2.3.2：运用PSO算法优化。
将产生的初始种群运用粒子群算法（PSO）的理论，进行迭代计算，以求解最优粒子。
步骤（3）：根据系统的风光消纳需求，设定新能源消纳率的目标值。
由于风光资源以及电网负荷的波动，会导致每天的消纳率变化范围和程度不一 致，因此为保证计算的高效性和准确性，需确定典型日的消纳率变化范围
Figure DEST_PATH_IMAGE159
。
Step3.1：确定最小消纳率
Figure 900993DEST_PATH_IMAGE046
。
在没有配置抽水蓄能电站时，按照最大程度满足电网负荷的需求的原则，风光打 捆上网的初始最佳消纳率
Figure DEST_PATH_IMAGE160
。
Step3.2：确定最大消纳率
Figure DEST_PATH_IMAGE161
。
不考虑其他因素，以消纳率
Figure 785772DEST_PATH_IMAGE014
最大化计算得到目标函数，并利用所建立的优化调 度模型实现系统的最优运行，得到该系统在设定情形下能够达到的最大消纳率
Figure DEST_PATH_IMAGE162
。
Step3.3：设定消纳率场景参数。
在
Figure DEST_PATH_IMAGE163
区间，设置多个采样点，探究不同消纳率情况下的机组运行强度和 联合系统的运行状态。
步骤（4）：计算风-光-抽水蓄能联合系统在设定的新能源消纳率的目标值下的优化运行结果。
Step 4.1：获取风、光、抽水蓄能各子系统的相关参数数据。
所述参数数据主要包括：风电、光伏电场的装机容量；风电和光伏的小时级出力数据；电网负荷小时级数据；抽水蓄能电站装机容量和机组单机额定容量；上下库水库库容；抽水蓄能机组振动区划分情况。
Step4.2：基于设定的新能源消纳率的目标值，结合所述参数数据，利用日前优化调度模型实现风-光-抽水蓄能混合系统的优化运行，在约束条件下计算得到各指标的物理结果（即得到优化运行结果信息）。
步骤（5）：量化评估抽水蓄能机组调节强度。
将所述优化运行结果信息输入至所述抽水蓄能机组调节强度的量化评估模型，得到抽水蓄能机组调节强度的量化评估信息。即基于量化评估模型和步骤（4）中计算出的各指标结果（即各项调节强度指标对应的指标特征值），评估所设定的消纳率需求下的抽水蓄能机组调节强度。
Step5.1：计算AHP法确定的各指标权重。
Step 5.2：基于步骤（4）计算出的指标结果，计算熵权法的指标权重。
Step 5.3：基于非线性加权法，计算各指标组合权重，给不同消纳率下的调节强度打分。
本发明中，第i个新能源消纳率目标值对应的方案得到的调节强度量化评估结果可以采用下式表示，还可将得到的综合评分转化为更直观的百分制形式。
Figure DEST_PATH_IMAGE164
Figure DEST_PATH_IMAGE165
式中，
Figure DEST_PATH_IMAGE166
为方案i（即第i个新能源消纳率目标值对应的方案）的原始综合评分，
Figure DEST_PATH_IMAGE167
为第
Figure DEST_PATH_IMAGE168
项调节强度指标对应的指标特征值，
Figure DEST_PATH_IMAGE169
为指标
Figure DEST_PATH_IMAGE170
的组合权重值，n为指标个数，
Figure DEST_PATH_IMAGE171
为方案i的最终综合评分，f为评价对象（方案）的数量。
下面结合数据对本发明做进一步的说明。
首先，构建抽水蓄能机组调节强度的评价指标体系，主要包括以下5个指标：机组启停次数、机组发电运行小时数、机组综合利用小时数、机组调节里程、机组振动区运行时长。
其次，获取实施例的系统参数。以某地区可再生能源结构为研究基础，根据其2021年6月份的风光出力数据，设定不同新能源消纳率情况下的优化调度场景。6月份的风电场和光伏电站原始出力情况以及负荷用电情况如附图4所示，其中图4中的(a)为小时级风电出力，图4中的(b)为小时级光伏出力，图4中的(c)为小时级风光打捆出力，图4中的(d)为小时级电网负荷。设定风电装机5350MW，光伏装机3150MW，抽水蓄能装机800MW，抽水蓄能水库最大储能量为3000MW，最小储能量为500MW，假设抽水蓄能电站初始库容为1200MW。风电和光伏电厂原始出力数据以及用户负荷数据均为实测值。此外，确定机组在45%~60%额定出力区间进行负荷调节时，视为进入振动区。
确定系统各约束条件对应的约束值和系统参数如表3所示。
表3 系统参数设定
Figure DEST_PATH_IMAGE172
其中，风光发电下限均为0；上下库的库容条件相同；基于现有抽水蓄能电站的运 行情况，一般
Figure DEST_PATH_IMAGE173
，这里取电站综合效率
Figure DEST_PATH_IMAGE174
为78%，发电效率
Figure DEST_PATH_IMAGE175
大于抽水 效率
Figure DEST_PATH_IMAGE176
。
设定CPSO算法种群规模为400，最大迭代次数为100，惯性因子范围0.4~0.9，自我学习因子和社会学习因子范围分别为2.5~1.5和1.5~2.5。
最后，基于以上内容进行实施例的具体结果分析。
实施例1：
针对多天的消纳情况，根据步骤（3）中描述的方法，确定每天的消纳率参数后，进行步骤（4）的优化计算，各场景对应的指标结果随消纳率变化的情况如附图5所示，其中图5中的(a)为消纳率-启停次数关系图，图5中的(b)为消纳率-发电运行小时数关系图，图5中的(c)为消纳率-机组调节里程关系图，图5中的(d)为消纳率-机组总综合利用小时数关系图，图5中的(e)为消纳率-振动区运行时长关系图。此外，为了更好的联系实际生产，本发明还计算得到消纳率-经济效益关系图如图6所示，印证了消纳越多新能源发电效益越高。
接下来进行对抽水蓄能机组的量化评估工作。
首先使用AHP法计算各指标权重，邀请6位专家依据表4的示例对5个调节强度指标进行判断，给出各指标权重的相对重要性意见，建立如表5所示的判断矩阵。
表4 判断矩阵示例
Figure DEST_PATH_IMAGE177
表5 各位专家判断矩阵
Figure DEST_PATH_IMAGE178
依据步骤（1）建立的量化评估模型，计算各场景的指标权重结果，并进行综合打分。由于分析的场景数量过多，为方便理解，这里选取其中某一天的案例作为示例，展示AHP和熵权法等分析指标权重的计算情况，其他场景的计算与此类似。
（1）主客观结合的组合权重。
可以得出该天AHP和熵权法的指标权重、组合权重和综合评分如表6、表7所示。
表6 调节强度指标组合权重
Figure DEST_PATH_IMAGE179
（2）各场景综合评分（即在不同新能源消纳率的目标值下得到抽水蓄能机组调节强度的量化评估信息）。
表7 不同消纳率场景下机组调节强度的综合评分
Figure DEST_PATH_IMAGE180
基于此，可以得出多天场景的抽水蓄能机组调节强度的综合量化评估结果。计算出的各场景评分以及利用Matlab中的二次拟合函数得到的各天拟合趋势情况如附图7所示，其中量化评估分数越高，表示机组调节强度越大。
附图7所示的结果表明：（1）对于该实施例的能源现状，抽水蓄能机组的运行调节强度整体呈现随消纳程度增大而递增的趋势。针对特定的日期（风光资源一定），调节强度随消纳率的变化情况比较复杂，呈现非线性的变化规律，且具有一定的波动性。（2）不同日期，消纳率的变化范围以及程度也有所不同，调节强度的变化程度总体区别比较明显，这是由于风光波动性和负荷需求等存在差异。
从宏观上看，该结果可以为不同新能源基地的资源开发和抽水蓄能机组的运行调控提供一定的参考意见。
实施例2：
针对某天的消纳情况，根据步骤（3）中所述方法，确定该天的消纳率参数后，进行步骤（4）的优化计算，各场景对应的指标结果随消纳率变化的情况如附图8所示，其中图8中的(a)为消纳率-启停次数关系图，图8中的(b)为消纳率-发电运行小时数关系图，图8中的(c)为消纳率-机组总综合利用小时数关系图，图8中的(d)为消纳率-机组调节里程关系图，图8中的(e)为消纳率-振动区运行时长关系图。
图8可以清晰地展现在不同消纳率情况下抽水蓄能机组调节强度各评估指标的实际物理量变化情况：随着设定的消纳率增大，联合系统中抽水蓄能机组的启停次数、发电运行小时、综合利用小时数、调节里程等逐渐增大；但涉及振动区的变化规律不明显，有待进一步研究。此外，为了更好的联系实际生产，本发明还计算得到消纳率-经济效益关系图如图9所示，印证了消纳越多新能源发电效益越高。
结合各指标的具体变化情况，有助于从微观上分析抽水蓄能机组调节强度的变化机理，把控机组调节性能和可靠性之间的平衡，更好地服务多能互补系统的运行管理。
本发明提供的一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法至少包括如下技术效果：
（1）本发明基于源网协调和新能源消纳率，提出的一种抽水蓄能机组调节强度量化评估模型，可用于评估在设定的新能源消纳需求下抽水蓄能机组的运行调节强度。
（2）在宏观层面，本发明提供的方法可用于探究不同新能源消纳率需求下多能互补系统中抽水蓄能机组的调节强度。
（3）在微观层面，本发明提供的方法可用于分析高新能源消纳需求对抽水蓄能机组运行调节强度的影响机制。
（4）通过对抽水蓄能机调节强度的分析，有助于实现新能源消纳和抽蓄电站可靠运行之间的平衡，可为抽水蓄能和可再生能源基地的资源开发，以及多能互补系统的运行管理提供参考。
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法，其特征在于，包括以下步骤：
建立抽水蓄能机组调节强度的评价指标体系，获得各指标对应的权重信息；基于所述评价指标体系和所述权重信息，构建抽水蓄能机组调节强度的量化评估模型；
以新能源消纳率的偏差值最小为目标建立目标函数，基于所述目标函数建立风-光-抽水蓄能联合系统的日前优化调度模型；
设定新能源消纳率的目标值，获取风-光-抽水蓄能联合系统的参数信息；
将所述新能源消纳率的目标值和所述参数信息输入至所述风-光-抽水蓄能联合系统的日前优化调度模型，在约束条件下得到优化运行结果信息；
将所述优化运行结果信息输入至所述抽水蓄能机组调节强度的量化评估模型，得到抽水蓄能机组调节强度的量化评估信息；
其中，所述新能源消纳率的偏差值
Figure 934094DEST_PATH_IMAGE001
表示为：
Figure 255485DEST_PATH_IMAGE002
式中，
Figure 855093DEST_PATH_IMAGE003
表示新能源消纳率的实际优化值，
Figure 728372DEST_PATH_IMAGE004
表示新能源消纳率的目标值；
Figure 46220DEST_PATH_IMAGE005
式中，
Figure 154991DEST_PATH_IMAGE006
、
Figure 874685DEST_PATH_IMAGE007
、
Figure 918864DEST_PATH_IMAGE008
分别表示风、光、抽水蓄能电站在i时段的发电功率，
Figure 724009DEST_PATH_IMAGE009
表示风 光电场在i时段的原始出力，T表示一天24小时。
2.根据权利要求1所述的风光蓄联合系统中抽水蓄能机组调节强度的评估方法，其特征在于，所述评价指标体系包括以下指标：机组启停次数、机组发电运行小时数、机组综合利用小时数、机组调节里程和机组振动区运行时长；
所述机组综合利用小时数的计算方式如下：
Figure 777416DEST_PATH_IMAGE010
式中，
Figure 725518DEST_PATH_IMAGE011
为机组综合利用小时数，
Figure 940599DEST_PATH_IMAGE012
和
Figure 967461DEST_PATH_IMAGE013
分别为抽水蓄能电站在i时刻的发电 功率和抽水功率，
Figure 558979DEST_PATH_IMAGE014
为机组的额定装机功率，T表示一天24小时；
所述机组调节里程的计算方式如下：
Figure 112320DEST_PATH_IMAGE015
式中，
Figure 498302DEST_PATH_IMAGE016
为机组调节里程，
Figure 278039DEST_PATH_IMAGE017
为机组在i+1时刻的发电功率；
所述机组振动区运行时长中的振动区的定义如下：
Figure 673249DEST_PATH_IMAGE018
式中，
Figure 956462DEST_PATH_IMAGE019
和
Figure 497034DEST_PATH_IMAGE020
分别为机组振动运行区下限值和上限值占额定出力的百分比。
3.根据权利要求1所述的风光蓄联合系统中抽水蓄能机组调节强度的评估方法，其特征在于，采用层次分析法获得AHP指标权重值，采用熵权法获得熵权指标权重值，将所述AHP指标权重值和所述熵权指标权重值进行非线性加权，得到各指标对应的综合权重值，所述综合权重值作为所述权重信息。
4.根据权利要求1所述的风光蓄联合系统中抽水蓄能机组调节强度的评估方法，其特征在于，所述约束条件包括：系统约束条件、风电约束条件、光伏约束条件和抽水蓄能电站约束条件；所述系统约束条件包括系统有功功率平衡约束和旋转备用约束；所述抽水蓄能电站约束条件包括抽水蓄能电站出力约束和水库库容约束；
所述抽水蓄能电站出力约束表示为：
Figure 498488DEST_PATH_IMAGE021
Figure 556443DEST_PATH_IMAGE022
Figure 694163DEST_PATH_IMAGE023
式中，
Figure 687527DEST_PATH_IMAGE024
为抽水蓄能电站在
Figure 441856DEST_PATH_IMAGE025
时段的出力，
Figure 913289DEST_PATH_IMAGE026
和
Figure 46461DEST_PATH_IMAGE027
分别为抽水蓄能电站在i时 段的出力下限和出力上限；
Figure 741885DEST_PATH_IMAGE028
、
Figure 717931DEST_PATH_IMAGE029
分别表示风、光电场在i时段的出力；
Figure 366956DEST_PATH_IMAGE030
、
Figure 744847DEST_PATH_IMAGE031
分别为 i时段上、下水库的储能值；
Figure 814435DEST_PATH_IMAGE032
、
Figure 277777DEST_PATH_IMAGE033
分别为抽水蓄能电站抽水功率、发电功率的上 限；
Figure 215646DEST_PATH_IMAGE034
、
Figure 713623DEST_PATH_IMAGE035
分别为抽水蓄能电站的发电效率、抽水效率，t为时段长；
所述水库库容约束包括上下水库的库容约束和水库储能随时间的变化约束；
所述上下水库的库容约束表示为：
Figure 688533DEST_PATH_IMAGE036
式中，
Figure 904750DEST_PATH_IMAGE037
、
Figure 521677DEST_PATH_IMAGE038
分别为上、下水库的储能上限；
Figure 483947DEST_PATH_IMAGE039
、
Figure 160916DEST_PATH_IMAGE040
分别为上、下水库的储能 下限；
所述水库储能随时间的变化约束表示为：
Figure 333272DEST_PATH_IMAGE041
式中，
Figure 488310DEST_PATH_IMAGE042
、
Figure 960879DEST_PATH_IMAGE043
分别为i+1时段上、下水库的储能值，
Figure 667804DEST_PATH_IMAGE044
为抽水蓄能电站在i时段的抽 水功率，
Figure 327456DEST_PATH_IMAGE045
为抽水蓄能电站在i时段的发电功率。
5.根据权利要求1所述的风光蓄联合系统中抽水蓄能机组调节强度的评估方法，其特征在于，所述风-光-抽水蓄能联合系统的日前优化调度模型采用混沌粒子群算法进行运算求解。
6.根据权利要求1所述的风光蓄联合系统中抽水蓄能机组调节强度的评估方法，其特 征在于，设定的所述新能源消纳率的目标值位于在
Figure 286184DEST_PATH_IMAGE046
区间内；
Figure 347681DEST_PATH_IMAGE047
为在没 有配置抽水蓄能电站时，按照最大程度满足电网负荷的需求的原则，风光打捆上网的初始 最佳消纳率；
Figure 740354DEST_PATH_IMAGE048
为以新能源消纳率的实际优化值
Figure 887302DEST_PATH_IMAGE049
最大化计算得到目标函数，并利用 所述风-光-抽水蓄能联合系统的日前优化调度模型实现系统的最优运行，得到的系统在设 定情形下能够达到的最大消纳率。
7.根据权利要求6所述的风光蓄联合系统中抽水蓄能机组调节强度的评估方法，其特 征在于，通过在
Figure 384142DEST_PATH_IMAGE050
区间内选取多个采样点，获得在不同的新能源消纳率的目 标值下对应的抽水蓄能机组调节强度的量化评估信息。
8.根据权利要求1所述的风光蓄联合系统中抽水蓄能机组调节强度的评估方法，其特征在于，还包括：对在不同的新能源消纳率的目标值下获得的抽水蓄能机组调节强度的量化评估信息进行二次拟合，得到抽水蓄能机组调节强度的变化趋势信息。
CN202211366576.0A 2022-11-03 2022-11-03 一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法 Active CN115425671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211366576.0A CN115425671B (zh) 2022-11-03 2022-11-03 一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211366576.0A CN115425671B (zh) 2022-11-03 2022-11-03 一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法

Publications (2)

Publication Number Publication Date
CN115425671A CN115425671A (zh) 2022-12-02
CN115425671B true CN115425671B (zh) 2023-03-24

Family

ID=84207346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211366576.0A Active CN115425671B (zh) 2022-11-03 2022-11-03 一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法

Country Status (1)

Country Link
CN (1) CN115425671B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107844910A (zh) * 2017-11-20 2018-03-27 华北电力大学（保定） 基于风核协调的多电源联合优化调度运行方法
CN110797888B (zh) * 2019-10-10 2020-12-11 清华大学 基于柔性直流输电和抽蓄电站蓄能的电力系统调度方法
CN112994051B (zh) * 2021-02-26 2024-01-09 南方电网调峰调频发电有限公司 一种含可变速机组的海水抽水蓄能电站容量优化配置方法
CN114899878A (zh) * 2022-02-24 2022-08-12 中国电力科学研究院有限公司 抽水蓄能电站服务电网运行综合评价方法

Also Published As

Publication number Publication date
CN115425671A (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
CN107301472B (zh) 基于场景分析法和电压调节策略的分布式光伏规划方法
Yuan et al. Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming
CN112396220B (zh) 一种基于场景缩减的含风电与需求侧资源的优化调度方法
CN110782363A (zh) 一种计及风电不确定性的交直流配电网调度方法
CN114336702B (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
CN110620397A (zh) 一种高比例可再生能源电力系统的调峰平衡评估方法
CN109376426B (zh) 一种风电并网功率调度方法及装置
CN115759610A (zh) 一种电力系统源网荷储协同的多目标规划方法及其应用
Hayati et al. A two-stage stochastic optimization scheduling approach for integrating renewable energy sources and deferrable demand in the spinning reserve market
CN117833319A (zh) 基于物联网的电力调峰系统
CN116914821A (zh) 一种基于改进粒子群算法的微电网低碳优化调度方法
CN114037209A (zh) 分布式光伏接入直流配电系统综合效益分析方法及装置
Li et al. Impact on traditional hydropower under a multi-energy complementary operation scheme: An illustrative case of a ‘wind–photovoltaic–cascaded hydropower plants’ system
CN117013535A (zh) 一种兼顾生态调度需求的水风光火互补容量配置方法
CN115425671B (zh) 一种风光蓄联合系统中抽水蓄能机组调节强度的评估方法
Li et al. A chance-constrained programming based energy storage system sizing model considering uncertainty of wind power
CN115758763A (zh) 一种计及源荷不确定性的多能流系统优化配置方法及系统
CN116432437A (zh) 一种光伏发电单元综合评价方法和系统
CN113450186A (zh) 一种适用于耦合系统参与的月度集中市场的竞价策略
CN113507134B (zh) 一种规划目标年新能源电源装机容量的优化规划方法
CN117639044A (zh) 一种电力系统源网荷储协调运行方法、介质及系统
Xia et al. A Study on Comprehensive Decision-Making of Pumped Storage in Capacity Planning with System Dynamics
Li et al. Exploration on Optimal Dispatching of Rural Virtual Power Plant for Power Carbon Emission Based on LMDI Decomposition Method
Xu et al. The Coordinating Thermal Energy Storage Capacity Planning of Concentrated Solar Power Considering Demand Side Response
CN118214088A (zh) 一种火电机组深度调峰的分层优化调度方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant